基于多源域迁移学习的脑电情感识别

摘要

针对普通机器学习算法与单源域迁移学习在应用方面的局限性,利用多源域迁移学习算法解决跨被试情感识别中正确率低的问题.为提高迁移学习的计算效率并避免负迁移现象的产生,分别从样本和特征两个方面对迁移数据进行优化.用多源域选择算法筛选出最优源域集合,用迁移特征选择算法得到最优特征集合,训练出多个迁移学习模型并对之集成.在数据集SEED上对该算法进行验证,验证结果表明,该模型相比其它情感识别模型具有更优的跨被试情感识别能力.